Universidad Católica de la Santísima Concepción

Facultad de Ingeniería
Ingeniería Civil Industrial

Proyecto 2

Proyecto integrador de Gestión de Operaciones

“Distribución de Máquinas en Planta”

Integrantes: Jorge Flores

Cristofer González

Camila Inzunza

Francisco Rivera

Grupo: 10

Profesores: Manuel Cepeda

Héctor Valdés
Resumen
Índice de contenido
1. INTRODUCCIÓN
En la actualidad las empresas deben preocuparse de contar con un ambiente laboral
que identifique las señales de riesgo y una correcta distribución de equipos en la planta, con
la finalidad de realizar el trabajo de la mejor manera posible, debido a que es primordial para
minimizar los costos y maximizar la productividad. Una buena distribución de planta indica
que la empresa cuenta con sus equipos o máquinas, estaciones de trabajo, pasillos y áreas
habituales dentro de la instalación relacionadas entre sí para la facilitación del flujo de
productos o materiales de un lugar a otro.

“A igualdad de condiciones, es siempre mejor la Distribución que permite que la

distancia a recorrer por el material entre operaciones sea la más corta” (Muther, Richard.
Distribución en Planta. Hispano Europea, 1981.)

Una de las decisiones estratégicas más relevantes para determinar la eficiencia a largo
plazo de una empresa es la que corresponde a la distribución de planta o layout, ya que con lo
anterior se logra construir un sistema productivo que sea capaz de alcanzar los objetivos de la
empresa de una forma eficaz y haciendo uso eficiente de los recursos. Además, diseñar una
correcta distribución de las máquinas y las zonas de trabajo ayuda a la empresa a conseguir
una ventaja competitiva por sobre sus competidores.

Para la correcta asignación de las máquinas en la maestranza ubicada en la ciudad de

Los Ángeles, primero se deben considerar las distintas formas que puede tener la planta y el
tamaño de los pasillos que recorren los trabajadores, con el objetivo de disminuir el riesgo
para que el personal pueda transitar de manera segura. Posteriormente se plantea un modelo
matemático para la correcta asignación de las máquinas en la planta, el modelo utilizado
corresponde al método de asignación cuadrática que establece el área inicial en donde irán las
máquinas, considerando el costo y el flujo entre ellas.
2. OBJETIVOS
A continuación, se describe el objetivo general y los objetivos específicos de esta
investigación.

2.1. OBJETIVO GENERAL

 Proponer una metodología para abordar el problema, incluyendo supuestos y
simplificaciones.

2.2. OBJETIVOS ESPECÍFICOS

 Realizar una extensa revisión bibliográfica para el diagnóstico y análisis de la
información para la construcción del modelo.
 Desarrollar un modelo de optimización que minimice los costos totales equivalentes a
la inversión del tamaño de la zona de máquinas que se construirá y un costo asociado
al flujo entre las diversas máquinas. Además, minimizar el riesgo para los
trabajadores.

3. MARCO TEÓRICO
3.1 Problema de distribuciones tipo Job shop
El problema de programación del taller (JSP) es uno de los problemas de
programación de producción más clásicos. El objetivo de la JSP es encontrar secuencias de
trabajos y máquinas para optimizar objetivos de producción específicos. Una buena solución
JSP puede ayudar eficazmente a los fabricantes a mejorar la eficiencia de producción y
reducir los costes de producción (Dao T.K., Pan T.S., Nguyen T.-T. & Pan J.S., 2018) (Gong
G.L. et al., 2019). Otros objetivos directamente relacionados con el tiempo son la
minimización de tardanzas, retrasos y flujo total. El JSP se considera un problema NP-Hard
(Garey & Johnson, 1979); por lo tanto, es computacionalmente difícil encontrar una solución
óptima en un tiempo razonable ya que el espacio de búsqueda crece exponencialmente a
medida que aumentan las entradas del problema.

Los estudios iniciales sobre la JSP se centraron en un único objetivo, principalmente,

la optimización de la capacidad de producción. Algunos métodos de solución exactos, como
la regla de envío y el algoritmo de bifurcación y cota, se utilizaron para manejar el problema.
Sin embargo, los métodos de solución exacta se vuelven ineficaces cuando aumenta la escala
del problema. Los algoritmos metaheurísticos basados en la población se pueden utilizar para
resolver problemas NP difíciles de forma eficaz, especialmente los problemas de
optimización a gran escala ya que pueden obtener una solución aproximada en un tiempo
computacional razonable (Carlier & Pinson, 1989).

3.2 Problema de Asignación Cuadrática

El problema de la asignación cuadrática, que se denota por sus siglas en inglés QAP
(Quadratic assignment problem), fue planteado por Koopmans y Beckmann en 1957 como
un modelo matemático para un conjunto de actividades económicas indivisibles.
Posteriormente Sahni y Gonzales demostraron que QAP pertenece a los problemas no
polinomiales duros , lo que sumado a que es un problema aplicable a un sinnúmero de
situaciones, lo hacen un problema de gran interés para el estudio.

QAP es un problema estándar en la teoría de locación. En éste se trata de asignar N

facilidades a una cantidad N de sitios o locaciones en donde se considera un costo
asociado a cada una de las asignaciones. Este costo dependerá de las distancias y flujo
entre las facilidades, además de un costo adicional por instalar cierta facilidad en cierta
locación específica. De este modo se buscará que este costo, en función de la distancia y
flujo, sea mínimo.
El objetivo del QAP es encontrar una asignación de departamentos a sitios, a fin de
minimizar una función que expresa costos, flujos o distancias. La versión de Koopmans y
Beckmann tenía como entrada tres matrices F = (f{ij}) , D = (d{kl}), B = (bik) del tipo real
donde (fij) especifica el flujo entre las facilidades i y j, (dkl) especifica la distancia entre las
facilidades k y l y (bik) el costo de instalar la facilidad i en la locación k.
Recientemente, los algoritmos evolutivos multiobjetivo (MOEA) se han utilizado
ampliamente para resolver problemas de optimización multiobjetivo (MOP), ya que tienen la
capacidad de aproximar un conjunto de soluciones no dominadas en tiempos de CPU
razonables. En este caso, consideramos el problema de asignación cuadrática QAP, que ha
sido ampliamente investigado para resolver varios problemas de la vida real.

4. METODOLOGÍA
1) Determinar área rectangular mínima para poder instalar todas las máquinas y sea posible
tener pasillos de 2 metros, entre máquina y máquina, para garantizar la seguridad a los
trabajadores. Las posibles superficies se determinan a partir del Número “N” de máquinas
conocidas. Por ejemplo, dispongo de 10 máquinas y deseo conocer todas las posibles áreas
rectangulares a formar, entonces, el máximo número de máquinas en filas posibles es 10 y
el mínimo número de máquinas distribuidas en filas permitidas es 10. Para calcular el
número de máquinas ubicadas en columnas debo aplicar lo siguiente:

S𝑖 𝑟𝑒𝑠𝑖𝑢𝑑𝑖𝑜 𝑑𝑒 (𝑁° 𝑚𝑎𝑞𝑢𝑖𝑛𝑎𝑠/𝑓𝑖𝑙𝑎 ) > 0; 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑟𝑒𝑑𝑜𝑛𝑑𝑒𝑎𝑟 𝑎𝑙 𝑒𝑛𝑡𝑒𝑟𝑜 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 𝑑𝑒

(𝑁° 𝑚𝑎𝑞𝑢𝑖𝑛𝑎𝑠/ 𝑓𝑖𝑙𝑎 ) 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡ra𝑟𝑖𝑜 𝑒𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎

(𝑁° 𝑚𝑎𝑞𝑢𝑖𝑛𝑎𝑠/ 𝑓𝑖𝑙𝑎 ) .

De lo anterior, para un caso de 10 máquinas iguales entonces se obtiene la siguiente tabla:

Tabla 1: “Distribuciones posibles de 10 maquinas en un área rectangular”

Fila Columna Desperdicio

1 10 0

2 5 0

3 4 -2

4 3 -2
 5 2 0

6 2 -2

7 2 -4

8 2 -6

9 2 -8

10 1 0

De la tabla anterior se puede observar que las combinaciones: (6 filas,2 columnas) ;(7 filas,2
columnas) ;(8 filas;2 columnas) ;(9 filas;2 columnas), son dominadas por la combinación (5
filas, 2 columnas). La columna Desperdicio indica el número de máquinas que aún se
pueden instalar dentro del área total de la planta.

2) Luego de las 5 restantes hacemos la simplificación de tomar en consideración la simetría

entre combinaciones por lo que la representación gráfica de la distribución de las máquinas
en la superficie son 3 las presentes en la imagen Nx.

3) Escoger un diseño de planta y determinar la distancia entre todas las celdas. Los datos
de distancias quedarán agrupados en una matriz cuadrada.

4)formular modelo matemático del problema de asignación cuadrática. Este problema

consiste en escoger la mejor distribución de maquinarias, según el criterio de minimizar
costos asociados por flujo y distancia entre máquinas.

Las únicas restricciones es que cada celda debe contener no más de una máquina y que
todas las máquinas deben estar asignadas a alguna celda.

La formulación del modelo se muestra a continuación:

4.1 Modelo Matemático propuesto

4.1.1. Conjuntos
M : Máquinas

C :Celdas

4.1.2. Subíndices

m , m' : Máquina

c , c ' :Celdas

4.1.3. Parámetros
a mm' = Matriz de costos del manejo de materiales desde la má quina m haciala m á quina

m ' , con m ≠ m'

f m m =Matriz de flujos o frecuencia de movimiento de materiales desde la maquina m

'

hacia la máquina m ' , con m≠ m'

D cc ' =Distancias entre celda c y celda c '

4.1.4. Variables de decisión

y mc = 1:Cuando lamáquina m debe ubicarse en la celdade manufacturac

{ 0 : En otro caso

4.1.5. Función Objetivo

' '
m=M c=C m = M c =C
Min z = ∑ ∑ ∑ ∑ amm '∗f m m ∗y mc∗y m c ∗d cc '
' ' '

m=1 c=1 m' =1 c '=1

m ' ≠m c ' ≠c

4.1.6. Restricciones

4.1.7. Naturaleza de las Variables

(abajo del modelo matemático va la explicación de cada ecuación).

5) eliminar un pasillo de 2 metros y convertirlo en un pasillo de 1 metro. Luego ejecutar el
modelo matemático nuevamente para esa nueva matriz de distancias. Repetir el mismo
procedimiento hasta que todos los pasillos poseean seguridad mínima con pasillos de 1
metro.

6) Tabular todos los datos de la frontera de pareto y posteriormente graficar las variables
costos vs riesgo.

7) repetir desde el paso (3) en adelante con los otros diseños de planta obtenidos en el
paso ( 2) .

8) Escoger un diseño de planta que según sus medidas de pasillos y distribución de

máquinas me permita obtener el menor riesgo y al menor costo posible.

Conclusión
Referencias

[1] Dao T.K., Pan T.S., Nguyen T.-T. & Pan J.S.. (2018) Parallel bat algorithm for optimizing
makespan in job shop scheduling problems J. Int. Manuf., 29, pp. 245-462

[2] Gong G.L., Deng Q.W., Chiong R., et al. (2019) An effective memetic algorithm for multi-
objective job-shop scheduling Knowl-Based Syst., 182, Article 104840

[3] MR Garey & DS Johnson, (1979) Computer and Intractability: A Guide to the Theory of
NP-Completeness.

[4] Carlier J. & Pinson E. (1989) An algorithm for solving the job-shop problem Manage. Sci.,
35 (2), pp. 164-176